Szegregált és integrált oktatás játékelméleti szimulációja

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Szegregált és integrált oktatás játékelméleti szimulációja"

Átírás

1 Szegregált és integrált oktatás játékelméleti szimulációja Kata János BME, Műszaki Pedagógia Tanszék, Budapest A Neumann János által megalapozott játékelméleti módszerek újszerű módot nyújtanak természeti és társadalmi jelenségek modellezésére és értelmezésére. Bár ő maga nem kaphatott Nobel-díjat, munkásságának szellemi örökösei közül többen válhattak e díj büszke tulajdonosává. Ezen tudósok egyike Thomas C. Shelling, aki a közgazdaságtudomány területén vált Nobel-díjassá 25-ben. Az 1921-ben született Shelling a Conway-féle Életjátékhoz, az első ilyen jellegű modellhez hasonlóan egyszerű játékszabályok alapján vizsgálta a konfliktusok és a kooperációk bonyolult jelenségét. Munkásságával kimutatta, hogy a társadalom különböző rétegei, osztályai, csoportjai törvényszerűen elkülönülnek egymástól, mert a keveredés a konfliktusok kialakulása mellett a kisebbségi csoport(ok) kulturális, történelmi, világnézeti, nyelvi jellemzőinek feladásával jár. A folyamat akkor is lezajlik, ha a társadalom egyes tagjait maximális tolerancia jellemzi. A Schelling által kidolgozott modell arra az egyszerű szabályra épül, hogy egy sakktáblán a társadalom egyes tagjainak lakóhelyét jelző mezőkön a következő szabályok érvényesülnek: ha az egyén korábban is ott lakott, ott marad, ha szomszédai között többségben vannak a vele azonos csoportba tartozók; ha az egyén korábban is ott lakott, akkor elköltözik, ha szomszédai nincsenek kisebbségben a tőle eltérő csoportba tartozók; ha a mező korábban üres volt, akkor odaköltözik egy olyan egyén, aki a szomszédban többségben levő csoportba tartozik; ha a mező korábban üres volt, akkor üres is marad, ha szomszédságában valamelyik csoport tagjai nem kerülnek fölénybe. Schelling modellje a játékelmélet többi módszeréhez hasonlóan laikusok számára is könnyen érthető, sőt házilagos körülmények között is megismételhető számítási lehetőségeket biztosít. A továbbiakban megvizsgáljuk, milyen eredményeket kapunk, ha a modellt a szükséges módosítások után az oktatás körülményeihez igazítjuk. 245

2 A modell jellemzői a szegregáció vizsgálata során Az oktatás szegregációjáról napjaink pedagógiájában folyamatos viták zajlanak. Az interkulturális és multikulturális oktatás kialakulásával és fejlődésével, a (bármilyen szempontból) hátrányos helyzetűek támogatásával párhuzamosan etikai megfontolások alapján azonban egyre inkább az integráció felé billen a mérleg. Egyes szakemberek ennek ellenére mégis azt hangoztatják, hogy a túl nagy különbségek nehezen áthidalhatóak. Ezt azzal indokolják, hogy ilyenkor a hátrányos helyzetűek sokszor nehezen leküzdhető feladatokkal kerülnek szembe (például egy vak diák esetén), vagy pedig ellenérzést keltenek a többiekben (például egy értelmi fogyatékos tanuló esetén). Ez pedig éppen ellenkező hatást ér el a célként kitűzött tolerancianövekedéssel szemben. A játékelmélet által megalapozott modellünkkel azt kívántuk elemezni, hogy milyen hatása lehet az oktatás szegregációs szintjének a kisebbségi csoportok beolvadására, integrálódására. Az eredmények értelmezése során pedig azt kívántuk megfogalmazni, hogy különböző kisebbségi arányok mellett melyik lehet a legalkalmasabb oktatási forma a társadalom összessége szempontjából. Ennek során eltekintettünk attól, hogy értékítéletet tegyünk. Ezt az indokolta, hogy a kapott eredmények mentesek mindenfajta etikai normától. Azt például különbözőképpen értékelhetjük, hogy a kisebbség menthetetlenül beolvad a többségbe. Pozitív lesz akkor, ha a mélyszegénységben nyomorgók tömege számolódik fel, negatív akkor, ha egy nemzeti kisebbség adja fel nyelvi és kulturális identitását, és lehetetlen akkor, ha az értelmi fogyatékosok teljes értékű integrálódását tűzzük ki célul. Az elemzés során tehát csak magára a beolvadás jelenségére koncentráltunk, annak értékítélete nélkül. A modellt futtató programot a következő jellemzőket kódoltuk: A szimuláció 1*1-es táblán folyik. Két populáció vesz részt benne. Transzformációs szabályok: o Egy mező vagy foglalt valamelyik népesség egy tagjával, vagy szabad. o Ha egy mező foglalt, és a szomszédai között legfeljebb 4 idegen van, a foglalt mező nem változik meg. o Ha egy mező foglalt, és a szomszédai között legalább 5 idegen van, a mező szabaddá válik. o Ha egy mező szabad, és a szomszédok aránya eléri az 3:1 értéket, akkor a több szomszédnak megfelelő jellegűvé válik a mező. o Ha egy mező szabad, és a szomszédok aránya kisebb 1:3-nál, akkor a mező szabad marad. o A szélső- és sarokelemekre a fenti szabályok arányosan érvényesek. (E szabályok meglehetősen enyhék. Ezzel részben a tolerancia magas fokát a rasszizmus hiányát kívánjuk kifejezni, másrészt a folyamat sebességét befolyásoljuk ezáltal.) 246

3 A szimuláció során háromféle változat elemzése történt meg: Integrált oktatás (a kisebbséghez tartozók az oktatás során teljes mértékben keverednek a többiekkel). o Az első lépésben a szimulációs sík egyes mezői véletlenszerűen töltődnek fel a kisebbség megadott arányának megfelelően. Szegregált, centralizált oktatás (a kisebbséghez tartozók egy-egy nagy, a hozzájuk illeszkedő felszereltségű, a szükséges speciális képzettséggel rendelkező pedagógusokat alkalmazó centrumban, elkülönülve vesznek részt az oktatásban). o Az első lépésben a szimulációs sík középső tartományában egybefüggő, de véletlenszerű elhelyezkedésű tömbben helyezkednek el a kisebbség tagjai az előzetesen megadott arány szerint. Szegregált, decentralizált oktatás (a kisebbséghez tartozók több, kisebb, néha nem a hozzájuk illeszkedő felszereltségű, a szükséges speciális képzettséggel nem mindig rendelkező pedagógusokat alkalmazó tanintézetben, elkülönülve vesznek részt az oktatásban). o Az első lépésben a szimulációs sík két szélső tartományában egymástól szeparált, véletlenszerű alakzatban helyezkednek el a kisebbség tagjai az előzetesen megadott aránynak megfelelően. Az elemzés során mindhárom esetben lefuttatunk egy sztochasztikus algoritmust különböző kisebbségi arányokkal (1-től 15 %-ig egyesével növekedve, innen 45%-ig ötösével növekedve). Regisztráltuk továbbá az egyes generációk (algoritmikus lépések) részeredményeit is. Ezek közvetlenül jelezték a folyamatok jellegét, ám a véletlen hatásait erősen tükrözték. Emiatt a továbbiakban ezeket a véletlen által is befolyásolt eredményeket úgy általánosítottuk, hogy Solver program segítségével meghatároztuk a kezdeti népességi arányokat (például 8%-2%) a folyamat végén kialakuló kisebbségi arányba legjobban leképező tenzor adatait. Ezt meghatározva tetszőleges kiinduló adatokhoz meghatározhattuk a végeredményeket. Mivel ezek még mindig tartalmaztak véletlenszerű elemeket (hiszen a különböző futtatásokat különböző tenzorok képezték le), az adatainkat egy kétváltozós exponenciális függvényhez illesztettük egy Cobb-Douglas transzformációval (ahol az egyik független változó a kiinduló kisebbségi arány, a másik az idő volt). E két transzformáció alkalmas volt arra, hogy a tényleges adatokat jól közelítő, de már a véletlen szerepét háttérbe szorító modellt kapjunk. A következőkben először a transzformációk előtti közvetlen, majd a transzformációk utáni általánosított eredményeket közöljük. A modellezés eredményei A modell paramétereit előzetesen sikerült úgy beállítanunk, hogy az eredmények viszonylag gyorsan állandósult értékre álljanak be, így a tranziens jelenségek tényleges időbeli lefolyását, annak sebességét nem vizsgálhattuk. 247

4 A leggyorsabban az integrált oktatás során következett be a változások eredménye, ezt követte szegregált-centralizált rendszer. Az első esetben jelentős beolvadást tapasztalhattunk, a kezdeti aránytól függően kevesebb, mint felére csökkent a kisebbség népessége. A második esetben jóval kisebb mértékű beolvadást láttunk, végeredményként 1-4 %-os beolvadás adódott. A szegregált-decentralizált oktatás esetén gyakorlatilag nem tapasztalhatunk beolvadást, a kisebbség aránya állandó maradt. Mindezt az 1-3 sz. ábrák szemléltetik ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében integrált oktatás esetén a a 2a 1a 2. ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében szegregált-centralizált oktatás esetén sz a a 2a 1a 248

5 ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében szegregált-decentralizált oktatás esetén 3. sz a a 2a 1a Az általánosított eredmények alapján kijelenthető, hogy a 4. sz. ábrának megfelelően: Az integrált oktatás törvényszerűen megszünteti a kisebbséget, ha annak kezdeti aránya 1-15 % alatti. Efölött pedig kevesebb, mint felére csökkenti a kisebbség arányát. Az integrált oktatás mindig erőteljesebb beolvadást eredményez, mint a szegregált oktatás. Ha a kisebbség aránya 5 % alatti, akkor a decentralizált szegregáció a legkisebb, efölött pedig a centralizált szegregáció a legkisebb beolvadást okozó rendszer. (Ez az eredmény a fordítottja annak, amit várnánk.) A szegregált oktatás mindig biztosítja a kisebbség megmaradását, bizonyos esetekben pedig lehetővé teszi annak számbeli gyarapodását is. 249

6 4. ábra. A kisebbség arányának változása a kezdeti arány függvényében a különböző oktatási rendszerek esetén INTEGRÁLT SZEGREGÁLT, CENTRALIZÁLT SZEGREGÁLT, DECENTRALIZÁLT EGYENLETES (bejelölve a változatlanságot kifejező y=x egyenest is) Záró gondolatok A kisebbségügy kezelése napjainkra a társadalom egyik hangsúlyos feladata. Sokféle kisebbség létezik ugyanis, talán azt is mondhatnánk, hogy a társadalom nem más, mint különböző kisebbségek összessége. Meg kell őriznünk és védenünk kell a nemzeti kisebbségek kultúráját és hagyományait. De ugyanígy gondoskodnunk kell a tudományos és művészeti tehetségekről vagy a vallásivilágnézeti sokszínűség megmaradásáról is. Vannak olyan kisebbségek, amelyeknek maguknak is az a törekvésük, hogy beolvadjanak a többségi társadalomba. Amint a mindennapi gyakorlatban is tapasztalhatjuk, az integrált oktatás nagyon érzékeny téma. A játékelmélet a kényes kérdésekre nem tudja megadni a választ, azonban a döntések várható hatásait pontosan előre tudja jelezni. 25

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Multikulturális nevelés Inkluzív nevelés. Dr. Nyéki Lajos 2016

Multikulturális nevelés Inkluzív nevelés. Dr. Nyéki Lajos 2016 Multikulturális nevelés Inkluzív nevelés Dr. Nyéki Lajos 2016 Az iskolával szembeni társadalmi igények A tudásközvetítő funkció A szocializációs funkció A társadalmi integrációs (ezen belül a mobilitási)

Részletesebben

Kvantitatív módszerek

Kvantitatív módszerek Kvantitatív módszerek szimuláció Kovács Zoltán Szervezési és Vezetési Tanszék E-mail: kovacsz@gtk.uni-pannon.hu URL: http://almos/~kovacsz Mennyiségi problémák megoldása analitikus numerikus szimuláció

Részletesebben

Transzformátor rezgés mérés. A BME Villamos Energetika Tanszéken

Transzformátor rezgés mérés. A BME Villamos Energetika Tanszéken Transzformátor rezgés mérés A BME Villamos Energetika Tanszéken A valóság egyszerűsítése, modellezés. A mérés tervszerűen végrehajtott tevékenység, ezért a bonyolult valóságos rendszert először egyszerűsítik.

Részletesebben

Makroökonómia. 6. szeminárium

Makroökonómia. 6. szeminárium Makroökonómia 6. szeminárium Ismétlés: egy főre jutó makromutatók Népességnövekedés L Y t = ak t α L t 1 α Konstans, (1+n) ütemben növekszik Egy főre jutó értékek Egyensúlyi növekedési pálya Összes változó

Részletesebben

Nagy Péter: Fortuna szekerén...

Nagy Péter: Fortuna szekerén... Nagy Péter: Fortuna szekerén... tudni: az ész rövid, az akarat gyenge, hogy rá vagyok bízva a vak véletlenre. És makacs reménnyel mégis, mégis hinni, hogy amit csinálok, az nem lehet semmi. (Teller Ede)

Részletesebben

Demográfiai modellek (folytatás)

Demográfiai modellek (folytatás) Demográfiai modellek (folytatás) 4. A teljesebb anyag 4.1. A megoldás egy változata Alábbiakban az előző gyakorlaton szereplő keretprogramból kapható egy lehetséges megoldást részletezzük. (Ha már a sajátja

Részletesebben

Makroökonómia. 7. szeminárium

Makroökonómia. 7. szeminárium Makroökonómia 7. szeminárium Az előző részek tartalmából Népességnövekedés L Y t = ak t α L t 1 α Konstans, (1+n) ütemben növekszik Egy főre jutó értékek Egyensúlyi növekedési pálya Összes változó konstans

Részletesebben

Korreferátum Havas Gábor előadásához

Korreferátum Havas Gábor előadásához Korreferátum Havas Gábor előadásához Szántó Zoltán Zöld könyv a magyar közoktatás megújításáért Könyvbemutató szakmai konferencia MTA Székház, Díszterem 2008. November 25. A családi szocializáció és a

Részletesebben

Conway életjátéka (Conway' s Game of Life)

Conway életjátéka (Conway' s Game of Life) Conway életjátéka (Conway' s Game of Life) készítette : Udvari Balázs, 2008 Bevezetés John Conway (szül. 1937, Liverpool) a XX. század jelentős matematikusa; jelenleg a princetoni egyetem professzora.

Részletesebben

A matematikai feladatok és megoldások konvenciói

A matematikai feladatok és megoldások konvenciói A matematikai feladatok és megoldások konvenciói Kozárné Fazekas Anna Kántor Sándor Matematika és Informatika Didaktikai Konferencia - Szatmárnémeti 2011. január 28-30. Konvenciók Mindenki által elfogadott

Részletesebben

Szennyezőanyagok terjedésének numerikus szimulációja, MISKAM célszoftver

Szennyezőanyagok terjedésének numerikus szimulációja, MISKAM célszoftver Szennyezőanyagok terjedésének numerikus szimulációja, MISKAM célszoftver 1. A numerikus szimulációról általában A szennyeződés-terjedési modellek numerikus megoldása A szennyeződés-terjedési modellek transzportegyenletei

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. Példa. A gamma függvény és a Fubini-tétel. . Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +

Részletesebben

Osztott algoritmusok

Osztott algoritmusok Osztott algoritmusok A benzinkutas példa szimulációja Müller Csaba 2010. december 4. 1. Bevezetés Első lépésben talán kezdjük a probléma ismertetésével. Adott két n hosszúságú bináris sorozat (s 1, s 2

Részletesebben

PRÓBAÉRETTSÉGI VIZSGA

PRÓBAÉRETTSÉGI VIZSGA MATEMATIKA PRÓBAÉRETTSÉGI VIZSGA 2012. 2013. április január 7. 19. KÖZÉPSZINTŰ PRÓBAÉRETTSÉGI VIZSGA Név Tanárok neve Pontszám 2013. január 19. II. Időtartam: 135 perc STUDIUM GENERALE MATEMATIKA SZEKCIÓ

Részletesebben

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision

Részletesebben

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? 6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elektronikai alapismeretek emelt szint 080 ÉETTSÉGI VIZSG 008. októr 0. ELEKTONIKI LPISMEETEK EMELT SZINTŰ ÍÁSELI ÉETTSÉGI VIZSG JVÍTÁSI-ÉTÉKELÉSI ÚTMTTÓ OKTTÁSI ÉS KLTÁLIS MINISZTÉIM Egyszerű, rövid feladatok

Részletesebben

ÁRAMKÖRÖK SZIMULÁCIÓJA

ÁRAMKÖRÖK SZIMULÁCIÓJA ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal Intelligens Rendszerek Elmélete Dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE0 IRE / A természet általános kereső algoritmusa:

Részletesebben

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

Részletesebben

HÍDTARTÓK ELLENÁLLÁSTÉNYEZŐJE

HÍDTARTÓK ELLENÁLLÁSTÉNYEZŐJE HÍDTARTÓK ELLENÁLLÁSTÉNYEZŐJE Csécs Ákos * - Dr. Lajos Tamás ** RÖVID KIVONAT A Budapesti Műszaki és Gazdaságtudományi Egyetem Hidak és Szerkezetek Tanszéke megbízta a BME Áramlástan Tanszékét az M8-as

Részletesebben

Az SPC (statisztikai folyamatszabályozás) ingadozásai

Az SPC (statisztikai folyamatszabályozás) ingadozásai A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.

Részletesebben

MATEMATIKA ÍRÁSBELI VIZSGA 2009. május 5.

MATEMATIKA ÍRÁSBELI VIZSGA 2009. május 5. MATEMATIKA ÍRÁSBELI VIZSGA 2009. május 5. I. rész Fontos tudnivalók A megoldások sorrendje tetszőleges. A feladatok megoldásához szöveges adatok tárolására és megjelenítésére nem alkalmas zsebszámológépet

Részletesebben

Gyalogos elütések szimulációs vizsgálata

Gyalogos elütések szimulációs vizsgálata Gyalogos elütések szimulációs vizsgálata A Virtual Crash program validációja Dr. Melegh Gábor BME Gépjárművek tanszék Budapest, Magyarország Vida Gábor BME Gépjárművek tanszék Budapest, Magyarország Ing.

Részletesebben

Prímszámok statisztikai analízise

Prímszámok statisztikai analízise Prímszámok statisztikai analízise Puszta Adrián 28. április 18. Kivonat Munkám során a prímszámok és a páros prímek eloszlását, illetve különbségét vizsgáltam, majd ebből következtettem a véletlenszerű

Részletesebben

Regresszió. Fő cél: jóslás Történhet:

Regresszió. Fő cél: jóslás Történhet: Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján

Részletesebben

First Prev Next Last Go Back Full Screen Close Quit

First Prev Next Last Go Back Full Screen Close Quit Többváltozós függvények (2) First Prev Next Last Go Back Full Screen Close Quit 1. Egyváltozós függvények esetén a differenciálhatóságból következett a folytonosság. Fontos tudni, hogy abból, hogy egy

Részletesebben

Matematika III előadás

Matematika III előadás Matematika III. - 2. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 23 paramétervonalak,

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elektronikai alapismeretek középszint 06 ÉRETTSÉGI VIZSG 007. május 5. ELEKTRONIKI LPISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSG JVÍTÁSI-ÉRTÉKELÉSI ÚTMTTÓ OKTTÁSI ÉS KLTRÁLIS MINISZTÉRIM Teszt jellegű

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.

5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. 5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. Optimalis feszítőfák Egy összefüggő, irányítatlan

Részletesebben

Suliprogram. Vizsgakövetelmények

Suliprogram. Vizsgakövetelmények Suliprogram Vizsgakövetelmények az Egységes Európai Gazdasági Oklevél - EBC*L (angolul: European Business Competence* License, németül: Wirtschaftsführerschein ) vizsgához 2006. TÉMAKÖR: Mérleg összeállítás

Részletesebben

Hraskó András, Surányi László: spec.mat szakkör Tartotta: Hraskó András. 1. alkalom

Hraskó András, Surányi László: spec.mat szakkör Tartotta: Hraskó András. 1. alkalom 1. alkalom 1. Beszínezzük a koordináta-rendszer rácspontjait. Egyetlen szabályt kell betartanunk: az (a;b) pontnak ugyanolyan színűnek kell lennie, mint az (a-b;a) és az (a;b-a) pontnak (a és b egész számok).

Részletesebben

Gettósodás, mint szociális probléma

Gettósodás, mint szociális probléma Gettósodás, mint szociális probléma Michal Vašečka Workshop Területi és etnikai különbségek formái Szlovákiában, Csehországban és Magyarországon Ostrava, 2012. május 3-4. Gettó Wacquant a gettó jelenséget

Részletesebben

HÁZI FELADAT PROGRAMOZÁS I. évf. Fizikus BSc. 2009/2010. I. félév

HÁZI FELADAT PROGRAMOZÁS I. évf. Fizikus BSc. 2009/2010. I. félév 1. feladat (nehézsége:*****). Készíts C programot, mely a felhasználó által megadott függvényt integrálja (numerikusan). Gondosan tervezd meg az adatstruktúrát! Tervezz egy megfelelő bemeneti nyelvet.

Részletesebben

Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás

Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Démon algoritmus az ideális gázra időátlag fizikai mennyiségek átlagértéke sokaságátlag E, V, N pl. molekuláris dinamika Monte

Részletesebben

Forgalmi modellezés BMEKOKUM209

Forgalmi modellezés BMEKOKUM209 BME Közlekedésüzemi és Közlekedésgazdasági Tanszék Forgalmi modellezés BMEKOKUM209 Szimulációs modellezés Dr. Juhász János A forgalmi modellezés célja A közlekedési igények bővülése és a motorizáció növekedése

Részletesebben

Számítógépes döntéstámogatás. Genetikus algoritmusok

Számítógépes döntéstámogatás. Genetikus algoritmusok BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as

Részletesebben

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20. Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom

Részletesebben

Projektfeladatok 2014, tavaszi félév

Projektfeladatok 2014, tavaszi félév Projektfeladatok 2014, tavaszi félév Gyakorlatok Félév menete: 1. gyakorlat: feladat kiválasztása 2-12. gyakorlat: konzultációs rendszeres beszámoló a munka aktuális állásáról (kötelező) 13-14. gyakorlat:

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

Matematikai modellek. Nagyprojekt

Matematikai modellek. Nagyprojekt Matematikai modellek Nagyprojekt El adók: Ágoston Dóra Csenge, Unger Tamás István B.Sc. szakos matematikus hallgatók Szegedi Tudományegyetem Bolyai Intézet 2018. május 19. 2017/2018 tavaszi szemeszter

Részletesebben

FIZIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

FIZIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Fizika középszint 151 ÉRETTSÉGI VIZSGA 015. május 18. FIZIKA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA A dolgozatokat az útmutató utasításai szerint,

Részletesebben

Példa: Háromszög síkidom másodrendű nyomatékainak számítása

Példa: Háromszög síkidom másodrendű nyomatékainak számítása Példa: Háromszög síkidom másodrendű nyomatékainak számítása Készítette: Dr. Kossa Attila kossa@mm.bme.hu) BME, Műszaki Mechanikai Tanszék. február 6. Határozzuk meg az alábbi ábrán látható derékszögű háromszög

Részletesebben

Általános iskolai feladatellátási helyek tanulói megoszlása fenntartói típusonként

Általános iskolai feladatellátási helyek tanulói megoszlása fenntartói típusonként HÁTTÉR: általános iskolai tanulómegoszlás Szerző: Roma Sajtóközpont (RSK) - 2011. január 4. kedd Általános iskolai feladatellátási helyek tanulói megoszlása fenntartói típusonként Az írás a tanulólétszámot,

Részletesebben

Hő- és füstelvezetés, elmélet-gyakorlat

Hő- és füstelvezetés, elmélet-gyakorlat Hő- és füstelvezetés, elmélet-gyakorlat Mérnöki módszerek alkalmazásának lehetőségei Szikra Csaba tudományos munkatárs BME Építészmérnöki Kar Épületenergetikai és Épületgépészeti Tanszék szikra@egt.bme.hu

Részletesebben

OPERÁCIÓKUTATÁS, AZ ELFELEDETT TUDOMÁNY A LOGISZTIKÁBAN (A LOGISZTIKAI CÉL ELÉRÉSÉNEK ÉRDEKÉBEN)

OPERÁCIÓKUTATÁS, AZ ELFELEDETT TUDOMÁNY A LOGISZTIKÁBAN (A LOGISZTIKAI CÉL ELÉRÉSÉNEK ÉRDEKÉBEN) OPERÁCIÓKUTATÁS, AZ ELFELEDETT TUDOMÁNY A LOGISZTIKÁBAN (A LOGISZTIKAI CÉL ELÉRÉSÉNEK ÉRDEKÉBEN) Fábos Róbert 1 Alapvető elvárás a logisztika területeinek szereplői (termelő, szolgáltató, megrendelő, stb.)

Részletesebben

PRÓBAÉRETTSÉGI MEGOLDÁSA: MATEMATIKA, KÖZÉP SZINT. 3, ahonnan 2 x = 3, tehát. x =. 2

PRÓBAÉRETTSÉGI MEGOLDÁSA: MATEMATIKA, KÖZÉP SZINT. 3, ahonnan 2 x = 3, tehát. x =. 2 FELADATSOR MEGOLDÁSA I. rész 1.1.) a) igaz b) hamis. 1..) A helyes megoldás: b) R = r 1..) x = 7 = ahonnan x = tehát x =. 1.4.) Az oszlopdiagramból kiolvasható hogy a két üzem termelése között a legnagyobb

Részletesebben

Hő- és füstelvezetés, elmélet-gyakorlat

Hő- és füstelvezetés, elmélet-gyakorlat Hő- és füstelvezetés, elmélet-gyakorlat Mérnöki módszerek alkalmazásának lehetőségei Szikra Csaba tudományos munkatárs BME Építészmérnöki Kar Épületenergetikai és Épületgépészeti Tanszék szikra@egt.bme.hu

Részletesebben

8. feladatsor: Többváltozós függvények határértéke (megoldás)

8. feladatsor: Többváltozós függvények határértéke (megoldás) Matematika Ac gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 07/8 ősz 8. feladatsor: Többváltozós függvények határértéke (megoldás). Számoljuk ki a következő határértékeket: y + 3 a) y

Részletesebben

Matematika A 9. szakiskolai évfolyam. 16. modul EGYBEVÁGÓSÁGOK. Készítette: Vidra Gábor

Matematika A 9. szakiskolai évfolyam. 16. modul EGYBEVÁGÓSÁGOK. Készítette: Vidra Gábor Matematika A 9. szakiskolai évfolyam 16. modul EGYBEVÁGÓSÁGOK Készítette: Vidra Gábor MATEMATIKA A 9. SZAKISKOLAI ÉVFOLYAM 16. modul: EGYBEVÁGÓSÁGOK TANÁRI ÚTMUTATÓ 2 A modul célja Időkeret Ajánlott korosztály

Részletesebben

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a

Részletesebben

REGIONÁLIS KLÍMAMODELLEZÉS AZ OMSZ-NÁL. Magyar Tudományos Akadémia szeptember 15. 1

REGIONÁLIS KLÍMAMODELLEZÉS AZ OMSZ-NÁL. Magyar Tudományos Akadémia szeptember 15. 1 Regionális klímamodellezés az Országos Meteorológiai Szolgálatnál HORÁNYI ANDRÁS (horanyi.a@met.hu) Csima Gabriella, Szabó Péter, Szépszó Gabriella Országos Meteorológiai Szolgálat Numerikus Modellező

Részletesebben

Feladatok Házi feladat. Keszeg Attila

Feladatok Házi feladat. Keszeg Attila 2016.01.29. 1 2 3 4 Adott egy O pont és egy λ 0 valós szám. a tér minden egyes P pontjához rendeljünk hozzá egy P pontot, a következő módon: 1 ha P = O, akkor P = P 2 ha P O, akkor P az OP egyenes azon

Részletesebben

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk? Feladatok: pontdiagram és dobozdiagram Hogyan csináltuk? Alakmutatók: ferdeség, csúcsosság Alakmutatók a ferdeség és csúcsosság mérésére Ez eloszlás centrumát (középérték) és az adatok centrum körüli terpeszkedését

Részletesebben

1. Egy italautomatában hétféle rostos üdítő kapható. Hányféle sorrendben vehet Anna a rostos üdítőkből három különbözőt?

1. Egy italautomatában hétféle rostos üdítő kapható. Hányféle sorrendben vehet Anna a rostos üdítőkből három különbözőt? 1. Egy italautomatában hétféle rostos üdítő kapható. Hányféle sorrendben vehet Anna a rostos üdítőkből három különbözőt? A) 35 B) 210 C) 343 D) 1320 E) 1728 2. Hány olyan háromjegyű természetes szám van,

Részletesebben

A választható pedagógus-továbbképzési programok ismertetője 1

A választható pedagógus-továbbképzési programok ismertetője 1 A választható pedagógus-továbbképzési programok ismertetője 1 Továbbképzés címe Középiskolai IPR A kooperatív tanulás a hátrányos helyzetű tanulók integrált nevelésének elősegítésére OM 173/78/2005. A

Részletesebben

Bevezető feldatok. Elágazás és összegzés tétele

Bevezető feldatok. Elágazás és összegzés tétele Bevezető feldatok 1. Szövegértés és algoritmikus gondolkodás Kátai Zoltán https://people.inf.elte.hu/szlavi/infodidact15/manuscripts/kz.pdf Elágazás és összegzés tétele Táblázatkezelési feladatok Feladatok

Részletesebben

1. MATEMATIKA EMELT SZINTŰ ÍRÁSBELI FELADATSOR

1. MATEMATIKA EMELT SZINTŰ ÍRÁSBELI FELADATSOR 1. MATEMATIKA EMELT SZINTŰ ÍRÁSBELI FELADATSOR A feladatok megoldására 240 perc fordítható, az idő leteltével a munkát be kell fejeznie. A feladatok megoldási sorrendje tetszőleges. A II. részben kitűzött

Részletesebben

Példa sejtautomatákra. Homokdomb modellek.

Példa sejtautomatákra. Homokdomb modellek. Példa sejtautomatákra. Homokdomb modellek. Automaták egyszerű eszközök tulajdonságok: véges számú állapota van átmenet egyik állapotból a másikba érzékeli a környezetet esetleg megváltoztatja a környezetet

Részletesebben

tévhitek az oktatási szegregációról

tévhitek az oktatási szegregációról tévhitek az oktatási szegregációról Készítette: Motiváció Műhely A füzet el készítését támogatta: Open Society Institute Budapest Foundation 3 TÉVHIT #1 A SZABAD ISKOLAVÁLASZTÁS M I N DEN KI SZÁMÁRA ELÉRH

Részletesebben

1. ábra ábra

1. ábra ábra A kifejtési tétel A kifejtési tétel kimondásához először meg kell ismerkedni az előjeles aldetermináns fogalmával. Ha az n n-es A mátrix i-edik sorának és j-edik oszlopának kereszteződésében az elem áll,

Részletesebben

Hőmérsékleti sugárzás

Hőmérsékleti sugárzás Ideális fekete test sugárzása Hőmérsékleti sugárzás Elméleti háttér Egy ideális fekete test leírható egy egyenletes hőmérsékletű falú üreggel. A fala nemcsak kibocsát, hanem el is nyel energiát, és spektrális

Részletesebben

KÖVETELMÉNYEK II. félév

KÖVETELMÉNYEK II. félév KÖVETELMÉNYEK 2016-2017. II. félév Tantárgy neve Multikulturális nevelés Tantárgy kódja SPB2102 Meghirdetés féléve 6 Kreditpont: 3 Félévi óraszám (elm.+gyak.) 1+1 Félévi követelmény Kollokvium Előfeltétel

Részletesebben

NULLADIK MATEMATIKA ZÁRTHELYI

NULLADIK MATEMATIKA ZÁRTHELYI NULLADIK MATEMATIKA ZÁRTHELYI 08-09-07 Terem: Munkaidő: 0 perc. A dolgozat megírásához íróeszközön kívül semmilyen segédeszköz nem használható! A feladatlap kizárólag kék vagy fekete tollal tölthető ki.

Részletesebben

Ejtési teszt modellezése a tervezés fázisában

Ejtési teszt modellezése a tervezés fázisában Antal Dániel, doktorandusz, Miskolci Egyetem Robert Bosch Mechatronikai Tanszék Szabó Tamás, egyetemi docens, Ph.D., Miskolci Egyetem Robert Bosch Mechatronikai Tanszék Szilágyi Attila, egyetemi adjunktus,

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

Részletesebben

A évi kompetenciamérés eredményeinek értékelése a FITjelentés

A évi kompetenciamérés eredményeinek értékelése a FITjelentés A 2017. évi kompetenciamérés eredményeinek értékelése a FITjelentés alapján EBESI ARANY JÁNOS MAGYAR-ANGOL KÉT TANÍTÁSI NYELVŰ ÁLTALÁNOS ÉS ALAPFOKÚ MŰVÉSZETI ISKOLA 4211 Ebes, Széchenyi tér 5. OM azonosító:

Részletesebben

TÁRSADALMI BEFOGADÁS A TÁRSADALMI VÁLLALKOZÁSOKBAN MAGYARORSZÁGON KISS JULIANNA PRIMECZ HENRIETT TOARNICZKY ANDREA

TÁRSADALMI BEFOGADÁS A TÁRSADALMI VÁLLALKOZÁSOKBAN MAGYARORSZÁGON KISS JULIANNA PRIMECZ HENRIETT TOARNICZKY ANDREA EFOP-3.6.2-16-2017-00007 "Az intelligens, fenntartható és inkluzív társadalom fejlesztésének aspektusai: társadalmi, technológiai, innovációs hálózatok a foglalkoztatásban és a digitális gazdaságban TÁRSADALMI

Részletesebben

Matematika. J a v í t ó k u l c s. 8. évfolyam. Oktatási Hivatal Közoktatási Mérési Értékelési Osztály 1054 Budapest, Báthory utca 10.

Matematika. J a v í t ó k u l c s. 8. évfolyam. Oktatási Hivatal Közoktatási Mérési Értékelési Osztály 1054 Budapest, Báthory utca 10. Matematika J a v í t ó k u l c s 8. évfolyam Oktatási Hivatal Közoktatási Mérési Értékelési Osztály 1054 Budapest, Báthory utca 10. IEA, 2011 1/1. feladat 1/2. feladat : B : B Item: M032757 Item: M032721

Részletesebben

0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles

0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles Matematika szigorlat, Mérnök informatikus szak I. 2013. jan. 10. Név: Neptun kód: Idő: 180 perc Elm.: 1. f. 2. f. 3. f. 4. f. 5. f. Fel. össz.: Össz.: Oszt.: Az elérhető pontszám 40 (elmélet) + 60 (feladatok)

Részletesebben

Regresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program

Regresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program Regresszió számítás GeoEasy V2.05+ Geodéziai Kommunikációs Program DigiKom Kft. 2006-2010 Tartalomjegyzék: Egyenes x változik Egyenes y változik Egyenes y és x változik Kör Sík z változik Sík y, x és z

Részletesebben

Követelmény a 7. évfolyamon félévkor matematikából

Követelmény a 7. évfolyamon félévkor matematikából Követelmény a 7. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Elemek halmazba rendezése több szempont alapján. Halmazok ábrázolása. A nyelv logikai elemeinek helyes használata.

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

Programozási nyelvek 2. előadás

Programozási nyelvek 2. előadás Programozási nyelvek 2. előadás Logo forgatás tétel Forgatás tétel Ha az ismétlendő rész T fok fordulatot végez és a kezdőhelyére visszatér, akkor az ismétlések által rajzolt ábrák egymás T fokkal elforgatottjai

Részletesebben

JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI 1. FELADATSORHOZ

JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI 1. FELADATSORHOZ JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI 1. FELADATSORHOZ Formai előírások: A dolgozatot a vizsgázó által használt színűtől eltérő színű tollal kell javítani, és a tanári gyakorlatnak

Részletesebben

1/50. Teljes indukció 1. Back Close

1/50. Teljes indukció 1. Back Close 1/50 Teljes indukció 1 A teljes indukció talán a legfontosabb bizonyítási módszer a számítástudományban. Teljes indukció elve. Legyen P (n) egy állítás. Tegyük fel, hogy (1) P (0) igaz, (2) minden n N

Részletesebben

SAJÁTOS NEVELÉSI IGÉNYŰ GYERMEK AZ OSZTÁLYBAN (A SAJÁTOS NEVELÉSI IGÉNY PEDAGÓGUS SZEMMEL) AZ INTEGRÁCIÓ JELENTŐSÉGE

SAJÁTOS NEVELÉSI IGÉNYŰ GYERMEK AZ OSZTÁLYBAN (A SAJÁTOS NEVELÉSI IGÉNY PEDAGÓGUS SZEMMEL) AZ INTEGRÁCIÓ JELENTŐSÉGE SAJÁTOS NEVELÉSI IGÉNYŰ GYERMEK AZ OSZTÁLYBAN (A SAJÁTOS NEVELÉSI IGÉNY PEDAGÓGUS SZEMMEL) AZ INTEGRÁCIÓ JELENTŐSÉGE A SAJÁTOS NEVELÉSI IGÉNYHEZ IGAZODÓ DIFFERENCIÁLÁS LEHETŐSÉGEI AZ ISKOLAI OKTATÁSBAN,

Részletesebben

Mérés: Millikan olajcsepp-kísérlete

Mérés: Millikan olajcsepp-kísérlete Mérés: Millikan olajcsepp-kísérlete Mérés célja: 1909-ben ezt a mérést Robert Millikan végezte el először. Mérése során meg tudta határozni az elemi részecskék töltését. Ezért a felfedezéséért Nobel-díjat

Részletesebben

MULTIMÉDIÁS TANSEGÉDLET A TV2-117A HAJTÓMŰ ÁLTALÁNOS FELÉPÍTÉSÉNEK BEMUTATÁSÁRA A MULTIMÉDIÁS TANSEGÉDLET FELÉPÍTÉSE, BEMUTATÁSA

MULTIMÉDIÁS TANSEGÉDLET A TV2-117A HAJTÓMŰ ÁLTALÁNOS FELÉPÍTÉSÉNEK BEMUTATÁSÁRA A MULTIMÉDIÁS TANSEGÉDLET FELÉPÍTÉSE, BEMUTATÁSA Dr. Szabó László Varga Béla MULTIMÉDIÁS TANSEGÉDLET A TV2-117A HAJTÓMŰ ÁLTALÁNOS FELÉPÍTÉSÉNEK BEMUTATÁSÁRA A tanítás-tanulás rendszerében mindig nagy problémát okozott az, ha ugyanazt a tananyag mennyiséget

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes döntéstámogatás. Statisztikai elemzés SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre

Részletesebben

A fűrészmozgás kinetikai vizsgálata

A fűrészmozgás kinetikai vizsgálata A fűrészmozgás kinetikai vizsgálata Az alábbi dolgozat az 1988 - ban Sopronban, a kandidátusi fokozat elnyerése céljából írt értekezésem alapján készült, melynek címe: Balesetvédelmi és környezetkímélő

Részletesebben

Osztott jáva programok automatikus tesztelése. Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január

Osztott jáva programok automatikus tesztelése. Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január Osztott jáva programok automatikus tesztelése Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január Osztott alkalmazások Automatikus tesztelés Tesztelés heurisztikus zaj keltés Tesztelés genetikus

Részletesebben

XVI. reál- és humántudományi ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA Kolozsvár május

XVI. reál- és humántudományi ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA Kolozsvár május XVI. reál- és humántudományi ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA Kolozsvár 2013. május 23-26. Gyógypedagógia szekció 1. díj: Gál Éva 2. díj: Vári Timea 3. díj: Csoboth Adél Dicséret: Fülöp Éva Emília

Részletesebben

Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni.

Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni. Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni. Kezdjük a sort a menetidőgörbékről, illetve az NMO korrekcióról tanultakkal. A következő ábrán

Részletesebben

AZ ÉPÍTÉSI MUNKÁK IDŐTERVEZÉSE

AZ ÉPÍTÉSI MUNKÁK IDŐTERVEZÉSE UDPESTI MŰSZKI ÉS GZDSÁGTUDOMÁNYI EGYETEM ÉPÍTÉSZMÉRNÖKI KR ÉPÍTÉSKIVITELEZÉSI és SZERVEZÉSI TNSZÉK dr. Neszmélyi László Z ÉPÍTÉSI MUNKÁK IDŐTERVEZÉSE - 2015. - Tartalom 1. EVEZETÉS... 4 2. Z ÉPÍTÉSEN

Részletesebben

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket! 1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés

Részletesebben

IV. Felkészítő feladatsor

IV. Felkészítő feladatsor IV. Felkészítő feladatsor 1. Az A halmaz elemei a (-7)-nél nagyobb, de 4-nél kisebb egész számok. B a nemnegatív egész számok halmaza. Elemeinek felsorolásával adja meg az A \ B halmazt! I. 2. Adott a

Részletesebben

Varga Tamás Matematikaverseny Javítási útmutató Iskolai forduló 2018/ osztály

Varga Tamás Matematikaverseny Javítási útmutató Iskolai forduló 2018/ osztály 1. Dóri a könyveit két polcon tartotta úgy, hogy a felső polcon volt könyveinek egyharmada. Egyszer átrendezte a könyveket: az alsó polcon lévő könyvek egyharmadát feltette a felső polcra, majd az eredetileg

Részletesebben

Termelés- és szolgáltatásmenedzsment

Termelés- és szolgáltatásmenedzsment Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése

Részletesebben

A II. kategória Fizika OKTV mérési feladatainak megoldása

A II. kategória Fizika OKTV mérési feladatainak megoldása Nyomaték (x 0 Nm) O k t a t á si Hivatal A II. kategória Fizika OKTV mérési feladatainak megoldása./ A mágnes-gyűrűket a feladatban meghatározott sorrendbe és helyre rögzítve az alábbi táblázatban feltüntetett

Részletesebben

Segédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával

Segédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával Segédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával Készítette: Dr. Kossa Attila (kossa@mm.bme.hu) BME, Műszaki Mechanikai Tanszék 212. október 16. Frissítve: 215. január

Részletesebben

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter Idősorok elemzése előadás Előadó: Dr. Balogh Péter Idősorok elemzése A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Az idősorokban

Részletesebben

Ipari kemencék PID irányítása

Ipari kemencék PID irányítása Ipari kemencék PID irányítása 1. A gyakorlat célja: Az ellenállással melegített ipari kemencék modelljének meghatározása. A Opelt PID tervezési módszer alkalmazása ipari kemencék irányítására. Az ipari

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elektronikai alapismeretek emelt szint 06 ÉETTSÉGI VIZSG 007. május 5. EEKTONIKI PISMEETEK EMET SZINTŰ ÍÁSBEI ÉETTSÉGI VIZSG JVÍTÁSI-ÉTÉKEÉSI ÚTMTTÓ OKTTÁSI ÉS KTÁIS MINISZTÉIM Teszt jellegű kérdéssor

Részletesebben

TERÜLETI EGYÜTTMŰKÖDÉST SEGÍTŐ PROGRAMOK KIALAKÍTÁSA AZ ÖNKORMÁNYZATOKNÁL A KONVERGENCIA RÉGIÓBAN ÁROP - 1.A.3. - 2014 MARCALI VÁROS ÖNKORMÁNYZATA

TERÜLETI EGYÜTTMŰKÖDÉST SEGÍTŐ PROGRAMOK KIALAKÍTÁSA AZ ÖNKORMÁNYZATOKNÁL A KONVERGENCIA RÉGIÓBAN ÁROP - 1.A.3. - 2014 MARCALI VÁROS ÖNKORMÁNYZATA TERÜLETI EGYÜTTMŰKÖDÉST SEGÍTŐ PROGRAMOK KIALAKÍTÁSA AZ ÖNKORMÁNYZATOKNÁL A KONVERGENCIA RÉGIÓBAN ÁROP - 1.A.3. - 2014 MARCALI VÁROS ÖNKORMÁNYZATA ESÉLYT MINDENKINEK SZAKMAI PROGRAM MARCALI, 2015.05.08.

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi

Részletesebben